¡Me encanta este proyecto! ¡Felicidades @samuelhking, @pdhsu y al equipo de @arcinstitute! Mis dos centavos: El uso de la IA para el diseño biológico se puede entender mejor como un traductor. Permitiéndonos hablar en inglés y que se traduzca a ADN y viceversa. No sabemos cómo diseñar un fago a partir de partes, pero Evo 1/2 fue entrenado "leyendo" más de 2 millones de genomas de fagos de la naturaleza y así aprendió a "hablar" ADN de fago. Entonces podríamos pedirle que genere uno, así como podrías pedirle a ChatGPT que genere un poema para ti en chino, incluso si tú mismo no lo hablas. Ya habíamos entrenado modelos de IA en el lenguaje de las proteínas con modelos como Alphafold y ESM, y eso funcionó bien; este artículo muestra que podemos hacerlo a un nivel de complejidad más alto. Este modelo de IA habla genomas de fago de múltiples genes, no solo genes individuales. Una demostración muy emocionante y el trabajo lo prueba bien al hacer y probar fagos diseñados. ¡Funcionan! Hay dos cosas que son direcciones futuras obvias en mi opinión y que, en última instancia, tendrán éxito: (1) El modelo debería ser reentrenado en función de lo que aprende sobre los fagos que fueron diseñados, para que pueda mejorar en entender lo que el humano está pidiendo y traducir eso a ADN. Este "aprendizaje por refuerzo" es similar a cómo Google enseñó a los modelos de IA a jugar ajedrez: dejas que el modelo juegue un juego y luego le dices si ganó o perdió. Aquí dejarías que el modelo diseñe millones de fagos, los construya en el laboratorio y luego le digas el rendimiento de los diferentes diseños. (2) Deberíamos ver si los modelos entrenados en millones de genomas bacterianos pueden permitirnos construir una célula bacteriana diseñada por IA, similar a lo que se hizo aquí para un fago. Esto vería si podemos pasar de traducir una solicitud en inglés a un libro de ADN (500,000 letras de ADN para las bacterias más simples) en lugar del poema de ADN del fago (5,000 letras de ADN en un fago). Esto sería un hito científico a escala nacional, ya que las células son los bloques de construcción de toda la vida y EE. UU. debería asegurarse de llegar primero. Para hacer ambas cosas (1) y (2) necesitamos mejoras dramáticas en la eficiencia de hacer la biología de laboratorio húmedo necesaria para construir ADN y probar el rendimiento de los organismos. Es indicativo que solo construyeron 302 diseños de fagos y probaron 16 diseños; eso es porque el trabajo de laboratorio húmedo es demasiado lento y costoso. La respuesta a eso es la automatización de laboratorios; he estado feliz de ver que la NSF invierte $100 millones en laboratorios en la nube automatizados y controlables por IA y otros esfuerzos que harán que la infraestructura científica de EE. UU. sea más eficiente y a escala industrial. El plan de acción de IA de la Casa Blanca también mencionó la necesidad de estos "laboratorios habilitados en la nube". ¡De nuevo, un trabajo increíble!